6G 智慧內生技術

摘 要：為了啟動基站天線本身的5G AIOT，本文就基于天線感知器獲取工參實現基站的真正智能運維——無線網絡的智能優化進行分析，包括涉及的關鍵技術、天線方位角精度要求、智能運維的網絡架構和接口設計或構建問題，以及衛星GNSS接收機靈敏度及抗干擾性能的高要求等幾個方面，并簡要介紹了高精度基站天線感知系統研發和實驗局項目實施情況，為高精度天線感知器的規模商用做好技術鋪墊。

關鍵詞：天線感知器；基站智能運維；相位相干法測向；O-RAN

一、引言

據工信部2022年通信業統計公報，全國移動通信基站總數達1083萬個。據此估計，基站天線、RRU、AAU數量超過2600萬個。如此數量龐大而位置分散的基站使基站維護管理和無線網絡優化等日益困難，也給電信運營商帶來了巨額的維護成本和管理挑戰。

本文探討了高精度基站天線感知系統關鍵技術，利用北斗、物聯網、大數據和人工智能等現代技術手段，實現基站天線等“啞資源”的運行狀態的可感知，為基站自動維護和無線網絡動態智能優化奠定基礎。

二、基于天線感知器的基站智能運維關鍵技術概述

（一）天線感知器定義、標準和產品形態

天線感知器是一種獲取基站天線工參的設備，例如，天線的經度、緯度、高度、方向角和下傾角，業內有多種名稱或叫法。天線感知器遵從的主要技術標準有《AISG-BASE-v3.0.4》《AISG-ES-RAE-v2.2.0》和各公司的企業標準。天線感知器并非新設備，至少在4G時代就已存在，但運營商一直未能真正利用它進行網絡維護。

根據安裝方式的不同，天線感知器分為內置式和外置式。根據接口形式的不同，天線感知器可分為基于AISG接口和基于CAT 1接口的。基于CAT 1接口的外置式天線感知器適用于存量天線，基于AISG內置式天線感知器適用于新增天線。

（二）基于天線感知器的基站智能運維應用環境和發展方向

目前已經進入5G-Advanced時代。一方面，人工智能與物聯網融合形成AIOT，5G為AIOT賦能催生了智慧停車、智慧駕駛、智慧交通、智慧醫療、智慧港口和智慧城市等十萬億市場的垂直互聯網行業；另一方面，5G基站由于感知功能的加持成為通信感知一體化設備，而且通感一體化功能也成為6G基站的基本功能之一。然而，基站本身卻因為不能獲取高精度的天線工參等技術問題，無法實現基站的徹底智能化運維管理。比如說，無法根據天線定期上報的工參數據來實現個別基站間或是區域級的網絡自優化和干擾消除，也無法實現網絡的自動運維管理。

1. 5G智能運維

5G網絡的規模及多元化的應用場景為5G網絡的部署與運營帶來了極大的挑戰。為提升5G網絡的自動化和智能化水平，降低5G網絡部署、運維和優化成本，提高網絡的資源利用效率，增強網絡差異化、定制化服務能力以保障用戶體驗，引入AI勢在必行。AI主要用于5G的網管側和網元側，前者主要實現網管的自動化與智能化，以達到節能增效的目的，后者主要實現核心網及基站的智能化，以保障用戶的差異化網絡體驗。當前，AI在網管側的應用相對成熟，部分應用已經在現網中實現了部署。AI在5G網元側的應用尚處于研究階段，距離商用還需要一段時間。整體來看，5G與AI的融合尚處于初級階段，深度融合賦能業務發展還需要時間。

5G網管側的典型應用場景有網絡規劃部署、網絡優化配置、網絡故障管理、原因分析、小區級天線波束參數優化、小區自動合并或分裂和小區級移動性參數優化等。

基站側的典型應用場景有多用戶調度、智能鏈路自適應調制編碼方案選擇、物理層信道估計檢測優化、面向射頻的AI使能的數字預失真優化和干擾管理等。

核心網側的典型應用場景有無線切片資源優化保障、業務體驗優化、負載均衡、移動性管理和實時無線帶寬等。

2.天線感知器應用面臨的技術挑戰

從整個移動通信行業來看，天線感知器應用面臨關鍵問題，包括要求天線方位角精度達到1度以內，實現新增天線和存量天線全網統一智能運維的網絡架構和接口設計或構建問題，以及對衛星GNSS接收機靈敏度和抗干擾性能的高要求。

三、基于天線感知器的基站智能運維關鍵技術探索

（一）天線感知器工參天線方位角精度要求

上文已指出天線感知器的功能就是獲取天線的工參。從實際應用要求來說，天線感知器輸出的工參精度決定了無線網絡規劃或優化結果的輸出精度。無線網絡規劃或優化過程就是使用無線網絡規劃或優化軟件選擇適當的無線傳播模型，結合適當精度的數字地圖對所設任務無線網絡范圍針對基站物理層參數，如天線發射功率、天線方向圖、波瓣寬度、接收機靈敏度、多徑衰落等，進行鏈路預算和覆蓋效果計算、反復迭代求解，最后獲得無線干擾、容量、發射功率等的整個網絡最優解。從傳播模型角度來說，射線追蹤法對數字地圖的精度要求最高，要求到達米級，否則就難以得到有意義的射線追蹤結果，這就要求天線方向角和下傾角分別達到1度和0.1度精度。

就成本效益而言，目前業界工參測量的最優方法就是利用北斗GNSS系統采用雙差法（2次差分方法）測定被測天線的工參，包括經度、緯度、高度和方向角。對于基站智能運維來說，工參精度要求的難點是天線方向角要求達到1度以內的誤差要求。本文提到的北斗GNSS雙差法是利用相位相干法和小基礎天線測向原理實現的，進而實現天線方位角的測定。

（二）實現新增天線和存量天線全網統一智能運維的網絡架構和接口設計或構建問題

基于天線感知器的基站智能運維主要有兩個錨點：一是瞄準基于小區間或整個大區的干擾管理、干擾消除和網絡自優化（SON），根據業務對時延的敏感性可以分別在基站內設置新的軟件模塊功能或在核心網側AI server配置新的網絡規劃或優化軟件平臺分別實現小區間或整個大區內的網絡規劃或優化，根據業務差分化需求動態實現干擾優化和管理，降低干擾水平，提高網絡容量，改善用戶體驗，提高網絡運維效率，降低網絡優化運維人工成本。另一個瞄準基于天線感知器的序列號（SN號）或“啞資源”管理模式將天線這一重要的基站資源聯網納入動態管理，加強基站資源管理，降低天線巡檢人工成本，進一步提高基站資源運營效率。這里只討論前者：全網的無線網絡自優化問題。

為了實現全網的無線網絡自優化（基站智能運維的功能之一），必須定期或實時（動態）采集所有基站天線工參：經度、緯度、高度、方向角和下傾角，并將其發送到基站側（網管側）或應用服務器（核心網側）。對于新安裝的天線，可以采用AISG接口天線感知器直接將工參發送到基站網管OMC-R。對于現有的大量天線，只能通過外置式天線感知器通過CAT1接口將工參送至外部天線感知器系統。

通過采集和分析基站天線工參數據，可以實現網絡規劃和優化過程的自動化和智能化。基于這些工參數據，可以進行干擾分析、覆蓋分析、容量規劃等，并結合無線傳播模型、數字地圖等信息進行鏈路預算和覆蓋效果計算。通過反復迭代求解，可以得到網絡的最優解，包括干擾水平、容量、發射功率等方面的優化結果。

（三）天線感知系統網絡架構圖

本工作室開展了采用CAT1接口的外置式天線感知器實驗局項目試點。為了不對現網運行造成影響，目前天線感知系統設置在外網。正式商用時，無線網絡規劃或優化智能運維功能單元或軟件平臺必須設置在運營商內網。實驗局天線感知系統網絡架構圖如圖1所示。

（四）天線感知器在基站智能運維中的位置

天線感知器作為4G已有的天線附屬設備，雖然有可以遵循的標準，但作為5G智能運維設備卻沒有相關的網絡架構或標準可供參考。從功能實現、網元和接口類比的角度來看，5G智能物聯網的網絡架構應與NB-IoT的網絡架構類似。在5G智能物聯網AIOT網絡架構中，天線感知器相當于AIOT閉環網絡中的傳感器。天線感知器位于eNodeB中，獲取基站天線工參，然后上行發送到AI服務器中，AI服務器會將下行的網絡優化工參反向發送給天線感知器執行，形成閉環，從而成為實現無線網絡優化智能化的關鍵設備之一。

（五）基站側網絡自優化功能實現

無線網絡自優化功能可以在基站網管側或核心網側的應用服務器上實現。在設計網絡自優化功能時可借鑒ORAN的基站內部軟件架構和API接口標準。根據用戶業務對時延敏感的差異化需求，可以分別在非實時RAN智能控制器（Non-Real Time RIC）模塊和近實時RAN智能控制器（Near-Real Time RIC）模塊上實現網絡在不同時延要求下的自優化功能。為了支持網絡的自優化，可以使用內置天線感知器通過AISG接口將工參上傳至Non-Real Time RIC或Near-Real Time RIC模塊，在這些模塊中進行工參數據的分析和優化算法的調度，以提高網絡性能。此外，支持CAT1接口的外置天線感知器可以通過云網或北向接口將工參傳輸到網管OMC-R的Service Management and Orchestration Framework，實現網絡的綜合監測和管理。通過這樣的架構，網絡運營商能夠根據用戶的業務需求和網絡負載情況實時優化無線網絡，提高用戶體驗和網絡性能。

四、高精度基站天線感知系統

本工作室承擔的2022年省公司四星級研發項目是研發高精度基站天線感知系統，包括系統平臺開發和高精度感知器，實現現網存量基站天線可視化和管理。

本項目已完成高精度基站天線感知系統的研發，并生產了500套天線感知器的批量試制設備。這些設備已在深圳聯通的現網進行安裝和測試。同時，高精度基站天線感知系統平臺已上線，并完成了系統功能和接口的測試。該系統還接入和管理實驗局的天線感知器，實現了現網存量基站天線姿態的可視化和管理。

實驗局在深圳聯通的68個基站和526副天線上進行安裝試用。其中包含30套前期實驗樣機和496套批量試制產品。剩余的4套設備為展會樣品和產品認證設備。

經過測試，天線感知系統輸出的工參天線方向角、傾角和橫滾角的精度達到了要求。方向角方面，80%的數據在精度范圍內的感知器比例占比為91.53%。傾角方面，80%的數據在精度范圍內的感知器比例占比為89.31%。橫滾角方面，80%的數據在精度范圍內的感知器比例占比為94.76%。經過分析，部分不達標的數據與基站所在建筑環境的抖動、天線固定的穩固程度以及GNSS天線的遮擋等因素有關。

五、結束語

本文以基于天線感知器的高精度基站天線感知系統研發和實驗局項目經驗為基礎，對基站智能運維的關鍵技術進行了進一步分析和探討。尤其是在提高天線感知器關鍵工參達標率和基站智能運維網絡架構與接口方面，進行了一些新的探索。希望這些研究能夠為基站天線感知系統的規模商用提供良好的技術支持。

作者單位：張立新 程行軍 中國聯合網絡通信有限公司廣東省分公司

周玉 中國聯合網絡通信有限公司廣州市分公司

余皓東 胡業芳 中國聯合網絡通信有限公司廣東省分公司

參考文獻

[1]AISG-BASE-v3.0.4

[2]AISG-ES-RAE-v2.2.0

[3]O-RAN.WG8.AAD.0-v02.00 Technical Specification：“Base Station O-DU and O-CU Software Architecture and APIs”

[4]O-RAN.WG6.CAD-v02.01Technical Report：“Cloud Architecture and Deployment Scenarios "for O-RAN Virtualized RAN”

[5]中國聯通基站天線工參感知模塊技術規范-v1-0

[6]艾瑞咨詢：“2021年5G時代，通信企業的變革”

[7]GB/T 39399-2020：“ 北斗衛星導航系統測量型接收機通用規范”